人工智能经典电子书ml_23_20181027_K近邻算法.pptVIP

CompanyLogoKD树的最近邻搜索kd树的最近邻搜索：输入：已构造的kd树；目标点x输出：x的最近邻在kd树中找出包含目标点x的叶节点（DFS）：从根节点开始，递归地向下访问kd树。若目标点x当前维的坐标小于切分点的坐标，则移动到左子节点，否则移动到右子节点，直到子节点为叶节点为止，在stack中顺序存储已经访问的节点。以此叶节点为“当前最近点”然后通过stack回溯：如果该节点保存的实例点比“当前最近点”距离目标更近，则以该实例点为“当前最近点检查该节点的父节点的另一个子节点对应的区CompanyLogoKD树的最近邻搜索kd树的最近邻搜索：接上：域是否与以目标点为球心，以目标点与“当前最近点”间的距离为半径的超球体相交如果相交，则在另一个子节点对应的区域存在距离目标点更近的点，到父节点的另外一侧，用同样的DFS搜索法，开始检查最近邻节点如果如果不相交，则继续往上回溯，而父节点的另一侧子节点都被淘汰，不再考虑的范围中.当搜索回到root节点时，搜索完成，得到最近邻节点CompanyLogoKD树的最近邻搜索回溯过程实际上是一个二叉树的中序遍历如果实例点是随机分布的，kd树搜索的平均计算复杂度是O（logN）,N为实例总数，当维数较大时，直接利用k-d树快速检索的性能急剧下降。假设数据集的维数为k，一般来说要求数据的